1.02亿B轮融资创新高，这家公司要将机器人变得像电脑一样易操作

机器之能，是机器之心旗下关注全球人工智能产业应用场景及商业化的内容账号。欢迎关注与互动：almosthuman2017

武汉库柏特主要研发机器人操作系统，借助 AI 和传统算法的力量，让机器人变得和普通电脑一样，简单易于操作。今年 3 月，库柏特获经纬中国 4000 万元 A 轮投资。12 月完成 1.02 亿元人民币 B 轮融资，创业内融资新高。接下来，除 3C、食品、汽车、物流等领域，公司还将探索医疗和新零售场景的技术落地。

撰文 | 微胖

「别人做不了的事情，我们做到了，需求迟早会找上门。」武汉库柏特（Cobot）科技有限公司 CEO 李淼说。

目前国内唯一食品级智能分拣系统，让这家成立于 2016 年 5 月的机器人创业公司一举成名。

一个偶然的机会，朋友找到李淼，让他帮忙一家湖北菇业公司解决难题。

传统香菇加工企业依靠人工分拣不同种类的香菇。招工难一直困扰着菇业加工企业。「现在的年轻人都是 95、00 后，不愿意干这些无聊重复的活儿。」李淼说。

人工分拣速度也慢，分拣一个香菇大约需要 5 秒。中国人一年要吃掉 1400 吨香菇，这种分拣速度无法满足大幅增长的市场需求。

不仅如此，由于长期低头工作，工人容易产生疲劳，分拣质量业也没有保障。分拣出来的香菇会走向下游食品企业，如果下游厂商返现香菇中有白薄膜之类的杂质，将会引来重罚。

于是，库柏特为这家公司定制了一条机器人智能香菇无序分拣流水线。系统可以识别 26 种香菇，分拣速度可以达到 0.8 秒/个，是人工的 2-3 倍，精准率可以达到 99.7%。

香菇分拣系统

李淼算了一笔账：一条传统香菇分拣流水线通常由 8 个工人组成，而库柏特智能线上只需 4 台机器人与 2 个工人协同工作，1 小时分拣数量是传统线的 210%，成本仅为传统线成本的 75%。同产量的情况下，一条智能生产线每年可为企业节约 20 万以上。

打造通用操作系统，会用电脑，就会用机器人

在李淼看来，公司的明星产品——智能无序分拣系统更像是一款热门 App。

「App 火了，平台价值才凸显出来。」李淼说，没人在安卓系统上开发好玩的应用，这个平台也火不起来。

库柏特的核心竞争力是一套自主研发的机器人操作系统。系统主要包含视觉与力控两个底层技术，可应用于分拣、打磨与柔性装配。

选择从机器人操作系统切入市场，与李淼对机器人软件的「执念」分不开。

库柏特 CEO 李淼

来看一组工业机器人的销量数字。

2015 年，全球范围内的工业机器人销售量仅为 250，000 左右，这个数量是大型计算机销售峰值的十倍。相比之下，服务器和 PC 的销售总量分别约为 1000 万台和 3 亿台。

不难看出，和已经走入千家万户的电脑不同，工业机器人还没有真正走向主流市场。

制约工业机器人市场化的两大关键因素是成本和易用性。中国这么多中小企业，很多需求得不到满足，不降低机器人的操作门槛，如何推动制造业升级？

但是，提升易用性这一点，比降低成本更难。

「我们调查发现，即使买到 ABB、发那科机器人，用户还是用不了。」李淼说。「结果，企业还是要找 ABB 的人来做集成。」

现在国内主要使用的几种工业机器人 Kuka，ABB, 安川电机，发那科都用自己的控制系统和交互软件。

尽管有 ROS（机器人操作系统）和 OpenCV（开源计算机视觉）这样的应用软件来简化任务和要求，让机器人能够运转起来做一些有用的事情，但是，依然需要由拥有博士学位的机器人专家来操作。

维护和重新编程买过的机器人已经很不方便了，换一个公司的机器人又要重新培训人员，后续人力成本近乎是产品价格的三倍。

除了操作门槛非常高，机器人也很笨。每一个动作都需要工程师在背后进行精细的编程。由于路径是固定或受限的，因此，只能通过手工调整来避免一些问题。当机器人通过视觉应对复杂场景时，手工调整就无用武之地了。

中国看重机器人硬件，看不起集成，觉得「不就是调嘛」，李淼感叹道，其实，隔行如隔山。

「这里涉及很多问题，比如工程问题。」李淼说，「还有科学思想，如何用软件甚至 AI 思想，将它们整合到同一个平台下。让调试变得有规律可循。」

深度学习已经带来了变革，将机器人变成学习机器。不需要精确编程，机器人可以随着时间的推移从数据和经验中学习，并能执行多种任务。

库柏特的定位也因此非常清晰明确：借助 AI 结合软件，依靠自己的平台实现软件决定硬件，提高机器人的易用性。

比如，如果客户需要抓取服务，可以先从硬件厂商购买机械臂，库柏特再为机械臂加上一个 AI+软件的操作系统。

不过，底层控制器是机器人巨头的核心技术，不会开源。「能够给你一两个 API 就不错了。」李淼说。

为了让机器人厂商配合开放接口，库柏特一家一家地去谈合作。一开始都会很难，李淼说，但是，总有可以突破的点，只要有订单在手。国内厂商也有愿意和你合作。

借用深度学习技术让机器人操作更加简单，正在逐渐成为一个创业热点。

上个月，前 OpenAI 科学家辞职创立智能机器人公司 Embodied Intelligence。公司总裁也表达了类似的创业思路。

「我们提供的智能模块可以接入任何市面上的机器人，让它们可以自然地学习新的技能，无需编写晦涩难懂的代码。」

日本 Mujin、Preferred Networks 、美国强人工智能公司 Vicarious 等，也是这个领域炙手可热的创业公司。

一份对机器人报告网站全球数据库中 752 家机器人创业公司的分析显示，超过一半的创业公司都是以软件起家。

就在前不久，吴恩达成立公司 Landing.ai，旨在让深度学习落地制造业。

瞄准智能无序分拣，解放人类双手

已故的机器人视觉领域的专家 Adil Shafi 曾预言，机器人无序抓取将会成为 2020 年的主流。

但事实上，机器人抓取曾在很长一段时间里不受重视。

李淼是瑞士洛桑理工大学工学博士、麻省理工博士后。这位有着八年抓取规划和智能控制研究经验的老「Grasper」，对此感受很深。

「做机器人抓取的中国人，基本是从国外高校毕业的，做了 5-10 年以上的只有 5、6 个人。」李淼说。

「做抓取的人为什么少？因为以前大家都嘲笑这个行业，认为工人都可以完成这个动作，没有行业应用前景。」

但是，随着人力成本的攀升，很多大公司又开始尝试这个领域，比如谷歌、亚马逊、发那科等。

非结构化环境中进行自动分拣的商业可行性，仍然是一个艰巨挑战。当零件、货物以完全的随机形式放在箱内，方向不同，且有重叠甚至缠绕的现象时，机器人成像和抓取就会变得困难。

近些年来，深度学习的突破为非结构化环境中的识别和抓取各种形状大小的物体提供了新的可能。2016 年，著名的 Amazon Picking Challenge 赛中，冠亚军都将深度学习作为其视觉和抓取任务背后的核心算法。

作为国内仅有几个将深度学习落地工业中的实际案例之一，目前库柏特的智能无序分拣系统准确率已经达到 99%。

「现在还在训练香菇分拣系统。」李淼说。

通过高分辨率工业相机配合图像感知算法，获取目标物体的类别和位置信息。然后，利用机器臂、末端执行器和动态抓取控制算法，实现对物体的精准分拣。

为了训练香菇分拣系统，库柏特找了一千多 T 的香菇图片，识别难度比识别猫狗更甚。

香菇有很多种类，花菇、冬菇、香覃是三种常见的香菇。花菇又进一步分为花菇、白花菇、茶花菇..... 还有厚菇 (板菇)、薄菇等。这些香菇大小、形状甚至纹路都不一样。

「猫狗的图片，可以从网上爬。香菇图片不常见。ImageNet 上也就几百张。我们就要自己去做图片。」李淼回忆道，「而且香菇是大自然的产品，中国和日本产的就不同。另外，香菇迭代非常快，基本上三个月就一代。」

虽然在视觉方面用到了机器学习，但在力的方面，还是传统办法，李淼告诉我们，深度学习不是万能的，使用还是要谨慎。

目前库柏特已实现对 5000 多个品类的分拣，对新产品导入可以在数分钟之内完成。

力控打磨系统

而在机器人打磨和 3C 柔性制造方面，库柏特也在探索机器学习的用武之地。

比如，打磨过程中多大的力是合适的，力反馈控制是怎么设计比较好，最后打磨质量怎么评估，目前在工业界应该还是凭经验解决的。库柏特希望通过机器学习解决这三个问题。

在 3C 装配过程中，插销入孔卡死比较常见。是否可以将穷尽所有可能力的方向的 hacking 解决方案转变为一个类似搜索的问题？搜索是机器学习擅长的领域。怎么去建立这个数据库，怎么进行有效搜索？

目前，深度学习只是我们的一个补充，还是传统方法为主。李淼说。

智能拖动示教系统

现在公司全职员工在 70 人左右，其中 50 人负责视觉与触觉底层算法的研发与迭代，其余 20 人负责具体应用场景的落地。

在武汉这样的二线城市组建一支这样的团队，实属不易。

「虽然我们没有那种顶尖的人才，但是核心团队整体水平不错。」李淼说。

场景为大，从工业机器人走向服务机器人

在赛道选择上，李淼始终有着清楚地认知。

选择做抓取，也是考虑到巨头不会做抓取。因为巨头的基因，李淼解释道，巨头做机器人手臂，但是手臂没有抓取功能，他们习惯于在程序上改变交互，但没有从物理上改变的习惯。

这个行业本身是一个比较小的行业，没那么多人去做，但是未来机器人需要这些东西，因此特别适合创业公司去做。

不过，和互联网巨头比起来，「我们有技术，但是缺少场景。」李淼十分注重应用场景热度。「你也希望自己的东西能够有用，对吧。」

除了在食品行业为企业提供解决方案外，凭借在物流行业分拣的突破，库柏特在今年已与 ABB、京东、菜鸟以及部分大型集成商达成合作。

和菜鸟的合作中，已经可以识别 4000 个 SKU，完全靠机器人实现。

至于在物流分拣中的效率，李淼介绍说，能将原本 12 人/条线降低至 3 人/条线，分拣速度从 12s/单提升至 4s/单，单个系统的峰值可达到 30 万单/日，并且对新产品导入可以在数分钟之内完成。

「基本上，目前工资在 5000-10000 的手工劳动者所做的事，都是我们潜在机器人替换升级领域。」李淼说。

12 月，公司完成 1.02 亿元人民币 B 轮融资，创业内融资额新高。B 轮融资后，库柏特表示资金将主要用于市场的推广并探索医疗与新零售等新场景的落地。

你想要一瓶水，网购很花时间。写字楼的无人货架东西又不丰富。在这种情况下，「便利店未来可能会消失，取而代之的可能是大型无人仓，这种购物模式完全由机器人在后台完成分拣传送，减少企业的成本和消费者的时间成本。」李淼曾举例道。

未来，公司会从工业机器人领域往服务机器人领域拓展，为服务机器人的智能交互添砖加瓦。库柏特也会一直致力于解放人手。

今年库柏特的销售收入为 2500 万人民币。除了直接售卖软硬一体的解决方案外，公司也在尝试以租赁的方式，按系统调用次数计费。

提供服务而不是销售产品的观念，一直以来都是向市场推广未经测试过的产品的一个好方法，而相关创业公司也从中发现了规模经济的好处。

库柏特也认为，机器人即服务（RaSS) 这种模式能够大大降低用户付费的心理门槛，加快公司的市场占有率。

当谈及学术 Demo 到产业落地的距离时，李淼想了想说，大家要降低期望值，不要有过高期待。

不过，梦想还是要有的。

在一张旧时的知乎招聘广告中，李淼写道：

一年内坐标武汉，未来坐标深圳与欧洲。